현대 경제에서 기업 간 거래는 복잡한 네트워크를 형성하며, 이를 수학적으로 분석하려면 행렬(matrix)이 매우 유용한 도구로 활용됩니다. 행렬은 여러 기업 간의 금전 흐름, 상품 이동, 서비스 교환 관계를 구조화하여 시각적이고 정량적인 방식으로 표현할 수 있습니다. 이번 글에서는 행렬을 통해 기업 간 거래관계를 어떻게 모델링하고 분석할 수 있는지 설명합니다.
입출력 행렬(Input-Output Matrix)
경제학에서 대표적으로 사용되는 행렬 모델은 입출력 행렬입니다. 기업 또는 산업 부문 \( n \)개가 있을 때, 거래 행렬 \( A \in \mathbb{R}^{n \times n} \)의 각 원소 \( a_{ij} \)는 기업 j가 기업 i로부터 얼마나 많은 상품이나 서비스를 구매했는지를 나타냅니다.
예: \[ A = \begin{bmatrix} 0 & 100 & 50 \\ 80 & 0 & 30 \\ 40 & 60 & 0 \end{bmatrix} \]
이 행렬은 3개 기업 간 거래 관계를 나타내며, 각 행은 공급자, 각 열은 수요자입니다.
행렬 연산을 통한 총 수요와 총 공급 계산
행렬을 이용하면 각 기업의 총 공급량과 총 수요량을 손쉽게 계산할 수 있습니다. 수요 벡터 \( d \), 공급 벡터 \( s \)는 다음과 같이 정의됩니다:
\[ d_j = \sum_{i=1}^{n} a_{ij}, \quad s_i = \sum_{j=1}^{n} a_{ij} \]
이는 열의 합과 행의 합을 의미하며, 각 기업이 어느 정도 거래에 관여하고 있는지를 수치적으로 나타냅니다.
거래 네트워크와 희소 행렬
실제로 대부분의 기업은 전체 기업과 거래하지 않기 때문에, 거래 행렬 \( A \)는 희소 행렬(sparse matrix)입니다. 이는 행렬의 많은 원소가 0임을 의미하며, 대규모 네트워크 분석에서 계산 효율성을 높이는 데 중요합니다.
희소 행렬은 컴퓨터 메모리 절약, 그래프 기반 알고리즘 적용 등에서 큰 이점을 제공합니다.
행렬 그래프화와 시각화
거래 행렬은 방향성 그래프(directed graph)로 시각화할 수 있습니다. 각 기업은 노드로, 행렬의 비 0 원소는 간선(edge)으로 나타내어 기업 간 연결 구조를 시각적으로 분석할 수 있습니다.
이 방식은 공급망 분석, 리스크 확산 경로 파악, 거래 중심성 계산 등에 유용합니다.
행렬 고유값 분석과 영향력 측정
행렬의 고유값(eigenvalue) 및 고유벡터(eigenvector)는 기업 네트워크에서 어떤 기업이 시스템에 미치는 영향력이 큰지를 측정하는 데 사용됩니다. 이는 Google의 PageRank 알고리즘과 유사한 방식으로 작동합니다.
예를 들어, 행렬 \( A \)의 고유벡터 \( v \)는 다음 조건을 만족합니다:
\[ Av = \lambda v \]
여기서 \( \lambda \)는 고유값이며, \( v \)의 각 원소는 해당 기업의 상대적 영향력을 나타냅니다.
결론
행렬은 복잡한 기업 간 거래 관계를 수치화하고 시각화할 수 있는 강력한 수학적 도구입니다. 입출력 행렬, 희소 행렬, 고유값 분석 등을 통해 우리는 네트워크 속 기업의 위치와 영향력을 파악하고, 경제적 리스크와 구조를 정밀하게 분석할 수 있습니다.
수학은 경제의 숨겨진 구조를 드러내는 도구이며, 행렬은 그 연결 관계를 명확하게 보여주는 언어입니다.